von Marina Böddeker und Frank Lechtenberg
Künstliche Intelligenz (KI) begleitet die Musikproduktion seit den 1950er Jahren (Ames, 1987:170): von algorithmischen Kompositionsverfahren bis zu heutigen generativen Systemen, die komplette Songs entwerfen und produzieren können. Doch wie genau wird KI eingesetzt? Und operiert sie überwiegend als Werkzeug im Sinne eines Co-Piloten, der menschliche Arbeit unterstützt, oder bereits als Autopilot, der sie ersetzt?
Ziel ist es, im Beitrag das Verhältnis von Co-Pilot und Autopilot nicht nur technisch, sondern als Ergebnis bestimmter Vergleichspraktiken zu bestimmen und zu untersuchen, was durch diesen Vergleich entsteht.
Im Beitrag werden diese Fragen zum Anlass genommen, Vergleichspraktiken in der Musikproduktion zu untersuchen. Ausgehend von Ansätzen aus dem SFB 1288 „Praktiken des Vergleichens“ zeigen wir, wie durch konkrete Vergleichsanordnungen – etwa die Gegenüberstellung eines veröffentlichten Songs mit einem stilistisch eng geführten KI-Output (siehe Abb. 1) – überhaupt erst Vergleichbarkeit hergestellt und damit Aussagen über Qualität, Effizienz und Austauschbarkeit möglich werden. Konkret wird der Vergleich analysiert, um dahinter liegende Parameter sichtbar zu machen.

„This is it“ betitelt YouTuber Henning Pauly alias EytschPi42 ein Video über die aktuellen Fähigkeiten des KI-Tools Suno Studio (EytschPi42, 2025). Suno Studio ist ein webbasiertes KI-Tool des Musikunternehmens Suno, mit dem sich per Texteingabe vollständige Songs generieren lassen – inklusive Instrumental, Arrangement und gesungenen Vocals (Suno, 2025). Der studierte Musiker zeigt, was die bis dato leistungsfähigste Version des KI-Anbieters Suno kann: vom Erkennen und Beschreiben vorhandener Musikproduktionen bis hin zur kompletten Überarbeitung, Ergänzung und Professionalisierung der Produktion mit wenigen, nachvollziehbaren Prompts. Prompts werden hier verstanden als Eingabespezifikationen: Sie definieren allgemein u. a. die Aufgabe, den Kontext und Stil, die Einschränkungen und das erwartete Ausgabeformat. Das schließt die von KI generierten Gesangsspuren sowie einen überarbeiteten Text ein. Das Ergebnis ist schneller und meist professioneller als es ein Mensch nach vielen Jahren Studium und Praxiserfahrung abliefern könnte, daher werde sich menschengemachte Musik aus Sicht des YouTubers in Zukunft eher im Hobbybereich abspielen. Der User @roger767 schreibt unter dem Video: „the future is a real musicians playing covers of Ai songs people like.“ (EytschPi42, 2025) (siehe Abb. 2).

Die Entwicklung von KI in der Musik hat nicht erst mit der Einführung von aktuellen generativen Werkzeugen wie Suno, Udio (eesel AI, o. D.) oder song.ai begonnen. Schon zuvor gab es KI-gestützte Lösungen für Musikproduktion, die zum Beispiel die klangliche Aufbereitung von Gesangsspuren oder das Mastering der finalen Abmischung umgesetzt haben (Foster, 2024:16 ff). Die erste dokumentierte, von einem Computer generierte Komposition stammt von Lejaren A. Hiller, Jr. und Leonard Isaacson und wurde am 9. August 1956 veröffentlicht (Funk: 2018). Die beiden Forscher aus dem Chemistry Department der Universität Illinois haben den damaligen Supercomputer ILLIAC auf Basis von Algorithmen programmiert und so dazu gebracht, eine klassische Suite zu komponieren, die ‚Illiac Suite‘. Versuche, den Kompositionsvorgang zu automatisieren, gab es schon im Vorfeld dieses Experiments, wie die im Juli 1956 erstmals gespielte Melodie ‚Push Button Bertha‘. Diese wurde von Martin Klein und Douglas Bolitho of Burroughs mit Hilfe eines Computers namens DATATRON erstellt (Ames, 1987:170). Dabei wurden zufällige Töne einer diatonischen Skala gewählt, die in einer Iterationsschleife auf melodische Kompatibilität geprüft wurden. Ein Prinzip, das auch für die genannte ‚Illiac Suite‘ angewandt wurde.
Sechs Jahre später, also 1962, veröffentlichte Hiller zusammen mit Robert Baker die ‚Computer Cantata‘ – das Ergebnis einer Anwendung mit der Bezeichnung MUSICOMP, das für ‚MUsic Simulator Interpreter for COMpositional Procedures‘ steht (Ames, 1987:171). Diese bezog bereits bekannte kompositorische Muster des Komponisten Pierre Boulez in die algorithmische Notenausgabe mit ein. Ames (1987:182) geht in seiner Zusammenfassung der Entwicklung computergenerierter Musik davon aus, dass das Publikum diese Werke weniger für ihre affektiven Qualitäten oder den musikalischen Ausdruck schätzte, sondern nach Kategorien wie Ausgewogenheit, Klarheit oder Komplexität (im Original: „depth“) beurteilen.
Ein solcher Kriterienkatalog soll hier Grundlage eines Vergleichs zwischen einem offiziell veröffentlichten Song ‚Behind Closed Doors‘ des australischen Musikers Jaimi Faulkner (Faulkner, 2025) und einem über Suno AI mit Hilfe eines Prompts generierten Stücks der gleichen Stilrichtung und vergleichbarer Instrumentierung sein. Erkenntnisleitend ist die Frage, wie Vergleichspraktiken in dieser Analyse relevant sein können. Konkret, wie durch die Festlegung eines tertium comparationis (Genre, Tonart, Tempo, Struktur, Arrangement) Vergleichbarkeit und Substituierbarkeit erzeugt, welche Normen (studio‑ und marktkonforme Qualitätsmaßstäbe, Effizienz, westlich‑tonale Formraster) dabei gesetzt und welche Bedeutungs- sowie Prozessdimensionen (Semantik, Autor:innenschaft, Herstellungs‑ und Arbeitsprozesse) durch die Vergleichspraktiken aus dem Blick gerückt werden.
Forschungsdesign
Um ein menschengemachtes Musikstück und eine KI-Komposition gleichen Genres (Indie Folk/Folk Pop) zu vergleichen und dann herzuleiten, was durch den Vergleich entsteht, wird das Original hinsichtlich seines musikalischen Aufbaus und Arrangements analysiert. Die originale Akkordfolge und Songstruktur stammen vom Künstler Jaimi Faulkner, während die KI als Autopilot fungiert und einen Ersatz für bisher vorhandene Musikproduktionen anbietet. Die textliche Bedeutungsebene wird für diesen Vergleich nicht herangezogen, da sich ein Artefakt durch einen Nonsense-Text diesem Vergleich entzieht. Der Text kann also nicht auf der semantischen Ebene gedeutet werden, da das KI-Programm Suno AI nicht den Text-Prompt verwendet, sondern stattdessen die vorgegebenen Akkordbezeichnungen im Wortlaut artikuliert (singt).
Im vergleichspraktischen Sinn werden die Parameter in der Versuchsanordnung wie folgt definiert:
- Als Comparata, also die zum Vergleich herangezogenen Objekte, sind die mensch- und KI-generierten Songs zu benennen.
- Die Tertia comparationis, also die Vergleichsdimensionen, sind die Kategorien des Vergleichs: Tonart, Tempo, Instrumentierung, Länge, Struktur und Arrangement (siehe Tab. 1).
- Explizit ausgeschlossen und nicht als Tertia herangezogen wurde die Textsemantik (lyriks) und auch die Repräsentationsfragen wurden bewusst ausgeklammert.
In Suno AI wurde dazu zunächst in der kostenfreien und dann in der kostenpflichtigen Version gepromptet. Die kostenfreie Version (Free, v4.5) liefert dabei ein mp3 und eine eingeschränkte Prompt-Möglichkeit. In der kostenpflichtigen Version (Pro, v5) sind detailliertere Prompts möglich. Um eine musikalische Nähe zum Stück von Jaimi Faulkner und damit auch eine Vergleichbarkeit herzustellen, wurden in beiden Versionen einige musikalische Parameter an die KI übermittelt. Hier geht es um die Tonart sowie einen charakteristischen Akkordwechsel aus dem menschengemachten Original.
Übersicht der Versionen
Im Folgenden wird der Originaltitel ‚Behind Closed Doors‘ von Jaimi Faulkner (2025) mit den drei KI-generierten Musikstücken in den Parametern Tonart, Tempo, Instrumentierung, Länge, Struktur und Arrangement verglichen.
Legende:
1 Jaimi Faulkner (2025), Behind Closed Doors.
2 Suno AI (Free, v4.5) (2025), Slipped Away v1.
3 Suno AI (Pro, v5) (2025), Off The Record v1.
4 Suno AI (Pro, v5) (2025), Off The Record v2.

Während die Instrumentierung der aufgeführten Produktionen trotz kleiner Abweichungen Ähnlichkeiten aufweist, gibt es bei den KI-generierten Stücken Erweiterungen in der Songstruktur im Vergleich zum Stück von Jaimi Faulkner. Die von der KI generierten Abläufe nutzen zusätzliche Übergänge zwischen den Hauptelementen (Strophe, Refrain) wie Pre-Chorus oder einen Zwischenteil (Interlude). Die Komposition von Jaimi Faulkner folgt hingegen einem klassischen Muster, das sich vorwiegend aus einem Wechsel von Strophe und Refrain, ergänzt durch eine Variation in der letzten Strophe, zusammensetzt. Neben dem grundsätzlichen Ablauf einer ABAB-Struktur in verschiedenen Abwandlungen (Ausnahme Song Nr. 3, Off The Record v1), nutzen alle einbezogenen Produktionen einige Takte, die vorwiegend durch Gitarre und Gesang geprägt sind. Die Songstruktur aller vorliegenden Musikstücke beinhaltet sowohl Intro, Outro als auch A und B Teil. Die aufgezeigten Variationen dieses grundlegenden Musters bei einzelnen Stücken sowie die absolute Länge der Songs spielen für die Wahrnehmung eine geringere Rolle als die Instrumentierung und die Akkordfolgen.
Durch den Vergleich wird die Wahrnehmung von Genre‑ und Produktionsgleichartigkeit produziert, plattformtaugliche Längen, Tempi und Formschemata normiert und so die These einer (teilweisen) Substituierbarkeit durch KI gestützt. Sichtbar werden zugleich KI‑typische Standardisierungsmuster – unsichtbar bleiben allerdings Bedeutungs‑, Prozess‑ und Kontextdimensionen. Der Fall kann aber exemplarisch zeigen, dass durch den Vergleich nicht nur gemessen, sondern auch Ordnungen hergestellt wird, zusätzlich Normen gesetzt und Handlungskonsequenzen erzeugt werden. Diese Effekte müssen daher systematisch offengelegt, variiert und reflektiert werden. Kurz gesagt: Durch die Vergleichsanordnung werden Ordnungen und Handlungsoptionen hergestellt – diese Effekte bilden den eigentlichen Gegenstand der Analyse.
Um die Analyse anhand eines Beispiels in Form eines Praxisexkurs weiter auszuwerten und die Wirkung der Musik zu überprüfen, wurde eine Vorlesung Im Fach ‚Postproduktion Audio‘ (01.12.2025) als geeignetes Setting ausgewählt, da bei den Studierenden eine Musikaffinität vorausgesetzt werden kann.
Praxisexkurs: KI- oder menschgenerierte Musik?
An der Technischen Hochschule Ostwestfalen-Lippe in Detmold wurde circa 50 Studierenden sowohl ‚Behind Closed Doors‘ von Jaimi Faulkner als auch ‚Off The Record v1‘ von Suno AI bis einschließlich des ersten Refrains vorgespielt. Das Stück von Jaimi Faulkner war keinem der anwesenden Studierenden im Vorfeld bekannt. Anschließend wurde erfragt, welche Version von der KI erstellt wurde. Per Handzeichen meldete sich jeweils die Hälfte der Studierenden bei der Nennung des jeweiligen Stückes. Somit war bei dieser nicht repräsentativen Umfrage bei gleichen Abhörbedingungen für alle Anwesenden die KI-Version nicht eindeutig von der menschengemachten Version zu unterscheiden.
Den Rückmeldungen zufolge waren folgende Kriterien Grundlage für die jeweilige Bewertung: Komposition, Arrangement und Klangqualität. Aus dem Vergleich beider Artefakte ergab sich eine Diskussion über die Folgen für professionelle Musizierende sowie über die Konsequenzen durch steigende Anteile KI-generierter Musik auf den Streaming-Plattformen. Zusätzlich wurde die Frage diskutiert, ob und wie KI-generierte Musik kenntlich gemacht werden sollte. Für die Studierenden war eine Kennzeichnungspflicht wünschenswert, wenngleich ihnen die Kontrolle der korrekten Kennzeichnung nicht möglich war, da die Angaben der Produzierenden bei der Veröffentlichung freiwillig sind und so eine nachvollziehbare und wirkliche Kontrolle nicht möglich ist. Grundsätzlich wurde der KI-Musik eine vergleichbar hohe Produktionsqualität zugesprochen – nicht nur in der Vorlesung. Das belegt auch eine Deezer/Ipsos-Umfrage[1]: 97% der Befragten können keinen Unterschied zwischen vollständig KI-generierter und von Menschen gemachter Musik feststellen (siehe Abb. 3). Die Plattform Deezer hatte die Online-Umfrage bei Ipsos Digital in Auftrag gegeben, die vom 6. bis 10. Oktober 2025 durchgeführt wurde (n = 9.000 Erwachsene im Alter von 18 bis 65 Jahren).

Repräsentation
Fragen der Repräsentation durch und (Selbst-)Darstellung der Künstler:innen (vgl. Wall: 2013:209ff.) werden in dieser Analyse nicht berücksichtigt, da diese Parameter bei KI-generierter Musik nicht vorhanden sind. So begründet sich die Auswahl des durch den Künstler erstellten Musikstücks, der in der oben genannten Untersuchungsgruppe der Studierenden nicht bekannt war. Hätte es sich um eine:n populäre:n Küstler:in gehandelt, wäre die Gruppe ggf. voreingenommen gewesen. Die Auswahl eines männlichen Künstlers begründet sich in der Zusage desselben über sein Plattenlabel, dass dieses Musikstück für die Untersuchung genutzt werden darf. Eine Untersuchung mit der Produktion einer Künstlerin und einer weiblichen Gesangsstimme als KI-Artefakt sollte Gegenstand künftiger Betrachtungen sein.
Historische Analyse populärer Musik
Wall (2013:21) schlägt in einem Teil seines Modells für die historische Analyse populärer Musik ein Dreieck aus Abhängigkeiten zwischen den Technologien der Musikproduktion (und Reproduktion), der Ökonomie der Musikindustrie sowie dem Sozialen Wandel vor (siehe Abb. 4). Diese Abhängigkeiten werden beeinflusst durch die Entwicklung musikalischer Praktiken unterschiedlicher Genres und Kulturen (Wall, 2013:20). Durch die Festlegung des Untersuchungsgegenstandes spielt die Entwicklung des vorliegenden Genres eine untergeordnete Rolle. Eine Veränderung der Produktionstechnik hat demnach einen Einfluss auf die Ökonomie der Musikindustrie und damit auch soziale Implikationen, die Gegenstand weiterer Untersuchungen sein sollten.

Analyse: Vergleichbarkeit der Produktionsqualität
Durch die im Praxisexkurs indizierte Vergleichbarkeit der Produktionsqualität zwischen menschlicher Musikproduktion und KI-Artefakt ergeben sich mehrere Schlüsse: Zunächst ermächtigt resp. befähigt die KI musikalisch weniger oder teils nicht ausgebildete Menschen Produkte zu erstellen und zu veröffentlichen, die kaum oder nicht von einer menschengemachten Produktion zu unterscheiden sind. Die neuen Möglichkeiten und Zugänge zur Produktion von Musik beeinflussen zum Stand der Veröffentlichung die Ausschüttungen und Gewinnmargen von Streamingdiensten wie Spotify. Die dort veröffentlichten KI-generierten Inhalte werden auch AI Slop genannt (Kühl, 2024). Einige werden in den Profilen etablierter Künstler:innen aufgeführt, obwohl sie nichts mit diesen zu tun haben. Die Ursachen dafür liegen teils in den Tags, die bei den Distributionsplattformen (Distrokid, TuneCore, CDBaby etc.) angegeben werden, teils können es auch bewusste Fakes, also Veröffentlichungen im Stil bekannter Künstler:innen, die auch noch unter deren/dessen Namen veröffentlicht werden, oder KI-Cover sein. Dadurch verringert sich die Ausschüttung für menschliche Produktionen, da die Tantiemen auf alle Veröffentlichungen umgelegt werden und bei wachsendem KI-Anteil der Rest der Ausschüttungen dementsprechend kleiner wird. Dies kann direkte Auswirkungen auf Musiker:innen haben, die von der Musik leben, gleichzeitig ist die Nutzendenseite zu beobachten: KI-Musik wird (abgesehen von illegalen Streaming Bots) durch Menschen konsumiert, welche die Musik durch ihren Konsum somit teilweise normalisieren – in manchen Musikgenres ist das aufgrund der Stilistik und Produktionsästhetik (Ambient, Electronica etc.) aktuell schon passiert. Die untersuchten Artefakte weisen darauf hin, dass Genregrenzen im Jahr 2025 immer weniger Einfluss auf die Akzeptanz KI-generierter Musik haben. Die Annahme, Musik mit einem hohen Anteil akustischer Instrumente, wie Rock- und Popmusik, sei von gleichwertigem Wettbewerb aus der KI ausgenommen, scheint schon durch die beschriebene Stichprobe widerlegt, da auch akustische Musik durch KI problemlos nachgebaut werden kann.
Dass die Sichtweise nur eine von mehreren möglichen ist, zeigt folgendes Experiment, das die Möglichkeit der Mensch-KI-Kooperation in den Blick nimmt: Der Komponist Axel Berndt hat in den Jahren 2022/23 im Auftrag des Stuttgarter Kammerorchesters Konzertmusik geschrieben, die mit KI-Hilfe eine Originalkomposition von Mozart (Streichquartett in C-Dur KV 515) bearbeitet und auf ihrer Grundlage weiterentwickelt hat. Es handelt sich hier also um eine Kooperation zwischen KI und dem Komponisten, durch die sowohl durch die Wahl der dahinter liegenden Algorithmen als auch durch die Auswahl und Zusammenstellung generierter Passagen ein kohärentes Stück Musik entstanden ist. In Anlehnung an Hiller und Isaacson spricht Berndt folglich von seiner aktuellen Herangehensweise als einem Experiment (Berndt, o. D.)
Praktiken des Vergleichens: Was bewirkt der Vergleich selbst? Welche Normen setzt er? Welche Aspekte blendet er aus?
Der Vergleich ist eine performative Praxis (Epple et. al, 2020): Für die KI-generierte Musikproduktion lässt sich mit dieser performativen Praxis zeigen, wie eine Vergleichbarkeit zwischen menschlich produzierter und KI‑generierter Musik erzeugt wird, indem Genre, Tonart, Tempo, Form und Arrangement als gemeinsames tertium comparationis festgelegt und damit implizit Austauschbarkeit behauptet wird. Der Praxisexkurs im Hörsaal kann ‚Nicht‑Unterscheidbarkeit‘ als empirische Evidenz inszenieren. Damit setzt der Vergleich Normen: Maßgeblich sind studio‑ und marktkonforme Qualitätsstandards (klangliche Politur, formale Klarheit), Effizienz und Reproduzierbarkeit sowie westlich‑tonale Formraster; die bewusste Ausklammerung der Lyrics hierarchisiert semantische Aspekte nachrangig. Zugleich rahmt der Vergleich Debatten zur Kennzeichnung KI‑generierter Musik und zur Streaming‑Ökonomie (‚AI Slop‘) und erzählt eine Fortschrittslinie von frühen Computerkompositionen (ILLIAC) bis zu Suno. Ausgeblendet bleiben hingegen Bedeutungsdimensionen und Fragen zu Autor:innenschaft, Herstellungs‑ und Arbeitsprozessen (einschließlich Prompting als kreativer Praxis), rechtlich‑ethische und ökologische Implikationen der Trainingsdaten, soziale Einbettungen sowie nicht‑mainstreamaffine Ästhetiken.
Durch die Vergleichsanordnung werden Wahrnehmung und Markt geordnet, KI-Musik als ‚professionell‘ substituierbar normalisiert und schließlich die Aufmerksamkeit von Sinn- und Kontextfragen hin zu Mess- und Effizienzkriterien verschoben.
Literatur:
Ames, C. (1987). Automated Composition in retrospect: 1956–1986. Leonardo, 20(2), 169.
Berndt, Axel. (o. D.). GitHub – axelberndt/Mozart-Deconstructions: Mozart Deconstructions: Musical Experiments with AI. GitHub. URL: https://github.com/axelberndt/Mozart-Deconstructions [Letzter Zugriff am 10. Dezember 2025].
Deezer. (2025, 12. November). Deezer–Ipsos survey on AI music. URL: https://newsroom-deezer.com/2025/11/deezer-ipsos-survey-ai-music/ [Letzter Zugriff am 10. Dezember 2025].
EytschPi42. (2025, 26. Oktober). RANT – THIS IS IT [Video]. YouTube. URL: https://www.youtube.com/watch?v=dhx2XL9XcjU [Letzter Zugriff am 10. Dezember 2025].
eesel AI. (o. D.). Udio: Ein vollständiger Überblick über den KI-Musikgenerator. Eesel AI. URL: https://www.eesel.ai/de/blog/udio [Letzter Zugriff am 10. Dezember 2025].
Epple, A., Erhart, W., Grave, J. (Hrsg.). (2020). Practices of Comparing. Towards a New Understanding of a Fundamental Human Practice. Bielefeld: transcript Verlag.
Foster, T. (2024). Künstliche Intelligenz in der Musik- und Audioproduktion: mit KI in die Zukunft – neue Möglichkeiten der Kreativität.
Funk, T. (2018). A musical suite composed by an electronic brain reexamining the ILLIac suite and the legacy of Lejaren A. Hiller Jr. Leonardo Music Journal, 28, 19–24.
Faulkner, J. (2025). Behind Closed Doors. Make My Day Records.
Knop, D. (2025, 3. November). KI-Musik: Nutzer-Frust nach Einigung zwischen Universal Music und Udio. Heise Online. URL: https://www.heise.de/news/KI-Musik-Nutzer-Frust-nach-Einigung-zwischen-Universal-Music-und-Udio-10980796.html [Letzter Zugriff am 10. Dezember 2025].
Kühl, E. (2024, 21. November). KI-Musik: Die Matschepampe, die unsere Spotify-Listen zumüllt. DIE ZEIT. URL: https://www.zeit.de/digital/internet/2024-11/ki-musik-spotify-streaming-plattform [Letzter Zugriff am 10. Dezember 2025].
SFB 1288 (2025). Praktiken des Vergleichens. Universität Bielefeld. URL: https://sfb1288.uni-bielefeld.de/ [Letzter Zugriff am 10. Dezember 2025].
Suno (2025. Musikunternehmen. URL: https://suno.com/about [Letzter Zugriff am 10. Dezember 2025]. Wall, T. (2013). Studying popular music culture. SAGE.
[1] Deezer. (2025, 12. November). Deezer–Ipsos survey on AI music. URL: https://newsroom-deezer.com/2025/11/deezer-ipsos-survey-ai-music/ [Letzter Zugriff am 10. Dezember 2025].
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Marina Böddeker (12. Dezember 2025). Künstliche Intelligenz (KI) und Musikproduktion – Eine vergleichspraktische Analyse. Blog "Praktiken des Vergleichens" Abgerufen am 18. Mai 2026 von https://doi.org/10.58079/15c00
Wirklich beeindruckend 👏